基于Contourlet变换的数字版权保护水印技术

提出了一种融合Contourlet变换和SVD分解的数字版权保护水印算法。利用图像Contourlet变换系数的稀疏特性和SVD的稳定性特点进行数字水印嵌入和检测。实验证明了该技术在多种攻击下具有很好的鲁棒性。     

基于非子采样Contourlet变换的图像融合算法

提出了一种基于非子采样Contourlet变换的图像融合算法.首先,对图像作Contourlet变换,得到一个低频子带和一系列高频方向子带.其次,对低频子带系数采用基于边缘的规则来融合,而对于高频方向子带系数,采用基于一种基于Contonrlet局部系数相关性的规则来进行融合.最后,对融合系数进行非子采样Contourlet逆变换,得到最终的融合图像.实验结果表明,该方法对可见光、红外图像融合十分有效,能较好地提取原始图像中的边缘方向信息和几何特征.     

基于Contourlet变换的抗几何攻击数字水印算法

针对小波变换在表示二维图像时的局限性,提出了一种抗几何攻击的数字水印算法。该算法先用混沌系列对水印信息进行加密,再对原始图像进行Contourlet变换,然后对分解后的子带进行分块计算,选择能量较大的分块并嵌入加密后的水印信息,最后经过Contourlet逆变换得到嵌入水印后的图像。实验结果证明：该算法不仅对常规图像处理具有很好的鲁棒性,同时对抵抗几何攻击也具有很好的鲁棒性。     

基于非抽样Contourlet变换的红外图像和可见光图像融合算法

分析了非抽样Contourlet交换(nonsubsampled contourlet transform,NSCT)的原理和优点,针对红外图像和可见光图像的特征,提出了一种新的基于NSCT图像融合算法,应用NSCT对图像进行多尺度、多方向分解,低频子带采取区域能量加权法融合,带通子带采取区域方差加权法融合,最后将融合的系数进行NSCT逆变换得到融合图像.实验表明,与其它融合算法比较,该算法融合图像效果较好.     

基于Contourlet域分块压缩感知的图像融合

针对传统图像融合方法导致纹理细节丢失的现象,提出了一种基于抗混叠移不变Contourlet域的分块压缩感知（block-based compressed sensing,BCS）图像融合算法——Contourlet_BCS。把善于表达图像纹理及边缘信息的Contourlet变换引入了压缩感知稀疏表示中,同时对分解得到的低频系数采取加权的区域能量融合规则,高频系数采取基于广义高斯分布模型的加权融合规则进行图像系数融合,最后在压缩感知框架下利用带平滑处理的投影Landweber算法重构。实验结果表明,Contourlet_BCS融合效果优于传统方法,融合的图像纹理清晰,边缘细节信息更为丰富。     

DCT域图像水印的局部优化检测性能研究

水印检测是数字水印技术最关键的步骤之一.水印检测的传统方法是采用线性相关的方法,但是该方法存在问题.本文根据数字图像离散余弦变换(DCT)域交流系数的广义高斯分布模型,对图像水印的局部优化检测方法进行了推导,并给出了水印检测器检测性能的理论分析结果.实验结果验证了图像水印局部优化检测方法检测性能理论分析的有效性,以及实际检测性能的优越性.     

基于奇异值分解的Contourlet域图像水印算法

针对小波变换由于方向性缺乏而无法有效稀疏地表示图像本身几何结构的问题,结合Contourlet变换和奇异值分解的优点,提出了一种Contourlet变换域内基于奇异值分解的数字水印算法。宿主图像经过两层Contourlet分解后,生成一系列多尺度多方向的子带,选取第二层分解中能量最大的子带进行大小为4×4的互不重叠的分块,并进行奇异值分解,再将置乱后的原始二值水印信息嵌入到奇异值矩阵中。实验结果表明,该算法实现简单,透明性良好,对常规攻击和几何攻击具有较强的鲁棒性,且优于一般的小波域算法。     

基于支持向量回归的Contourlet域盲水印算法

为进一步提高基于支持向量机(SVM,support vector machine)水印算法的性能,提出了基于支持向量回归(SVR,support vector regression)的Contourlet域盲水印算法。首先对宿主图像进行Contourlet分解,然后利用SVM建立图像尺度内的局部相关性模型,根据模型的预测结果自适应地嵌入水印。实验结果表明,所提出的算法不仅具有较好的不可感知性,而且对叠加噪声、JPEG压缩、锐化、平滑滤波和对比度增强等常规图像信号处理以及旋转、剪切等几何攻击均具有较好的鲁棒性,其性能明显优于基于SVM的空间域和小波域的水印算法。     

基于Contourlet变换的纺织品缺陷检测算法

自动、快速、客观地检测纺织品缺陷是非常重要的课题。以往主要靠人工方式对纺织品进行缺陷检测,但该方法受人为因素的影响较大。针对此问题,提出一种基于Contourlet变换的纺织品缺陷检测算法。算法首先对纺织品图像进行Contourlet变换,提取Contourlet系数(高频特征),然后计算Contourlet系数的统计特征,最后使用欧式距离进行缺陷判断。实验结果验证了该算法的有效性,为纺织品缺陷检测提供了有效方法。     

基于Contourlet变换和子空间投影的非对称数字水印

为保护数字图像的版权,提出一种新的基于Contourlet变换的特征子空间投影的非对称水印方法.构造的嵌入矩阵(私钥)和检测矩阵(公钥)不同,且嵌入矩阵保密,检测矩阵公开,同时可实现嵌入矩阵不依赖宿主图像.采用Contourlet变换获得顽健性子空间,用嵌入矩阵将任意水印嵌入顽健性空间中,并构造检测函数判断待测图像是否含有水印,因此该方法具有较好的安全性、较高的检测概率和较低的虚警概率,同时实验数据表明具有较强的顽健性,可以抵抗多种攻击.     

基于Contourlet变换和QR分解的鲁棒性盲数字水印算法

针对平衡数字水印技术中的鲁棒性和不可感知性进 而解决图像的版权保护问题,提出了一种基于Contourlet变换和QR分解的鲁 棒性盲水印算法。选用有意义的二值图像作为待嵌入的水印,首先对原始图像进行Contourlet变换得到低频子带,接着对低频子带进行分块,然后对得到的子块进行QR分解;最后二值水印采用量化索引调制(QIM)方法重复嵌入到R 矩阵的第1行中。实验结果表明,本文 算法能有效抵抗常规信号处理操作的攻击,如对裁剪、高斯噪声、椒盐噪声、 乘性噪声、均值滤波、高斯滤波和JPEG/JPEG 2000压缩 攻击具有很强的鲁棒性, 并且用到的为QR分解,所以在计算复杂度方面远低于基于SVD分 解的水印算 法。水印的提取过程中没有借助原始图像的任何信息,属于盲水印算法。因此, 本文提出的数字水印方法可在数字产品版权保护和多媒体信息传输方面推广。     

基于小波变换的彩色图像数字水印新算法

提出了一种将灰度图像嵌入到原始彩色图像中的新数字水印算法.对RGB色彩空间彩色图像的绿色分量和蓝色分量进行haar小波变换.低频系数经过量化,将经过Arnold置乱后的灰度水印图像的位平面嵌入到低频子带.水印提取不需要原始载体图像.实验结果表明,该彩色图像数字水印算法不仅具有较好的透明性,而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何剪切、图像增强和马赛克效果等攻击均具有较好的鲁棒性.     

一种基于DCT变换的语音数字水印算法研究

随着数字媒体的广泛应用,其版权保护也显得日益重要,数字水印(watermarking)近年来引起了人们的高度重视,并逐渐成为多媒体信号处理领域的一个研究热点.本文研究了一种基于DCT变换域的语音数字水印算法,并且为提高算法的安全性,采用线性移位寄存器进行了类似加密的处理.通过实验证明该算法具有较强的稳健性和安全性.     

基于小波变换和相对量化的图像数字水印算法

提出了一种基于分块小波变换和相对量化的图像数字水印算法。由于在算法中采用了量化嵌入策略,从而在提取水印时无需原始图像和原始水印。实验结果表明,该算法对嵌入的水印具有很好的透明性,对亮度和对比度调整攻击具有非常强的稳健性,对JPEG压缩、重采样、颜色抖动、平滑和加噪声等常见的图像处理攻击具有很强的稳健性,并且算法思想简单、步骤简便和容易实现。     

基于轮廓波变换的红外图像增强算法的研究

尽管红外图像的应用越来越广泛,但其本身存在的不足使得应用受到影响,因此对红外图像进行增强处理就显得十分重要。现有的图像增强算法没有考虑到变换系数中不同分辨率下的各个方向子带之间的能量分布,对所有分辨率下的所有方向子带中的变换系数进行统一的增强处理。因此,提出了一种结合方向子带能量分布的自适应增强算法。Matlab仿真结果表明,该算法不仅能增强目标的清晰度,还能提高红外图像的对比度,改善图像的视觉效果。     

基于去频谱混叠Contourlet变换的层内局部相关性图像降噪

提出了一种基于去频谱混叠Contourlet变换的层内局部相关性图像降噪新方法.含噪图像经抗混Contourlet多尺度变换,得到一个低频逼近子图和一系列不同尺度、不同方向的高频细节子图,充分利用变换域同层同方向子带内信号系数相关性强、噪声系数无相关性的特点,采用强局部化零均值高斯分布模型对高频细节子图进行降噪处理.实验结果表明,该方法计算效率高,能克服Contourlet变换中的频谱混叠,避免了重构图像出现"划痕"现象.无论是PSNR指标,还是在视觉效果上,该方法的去噪性能均好于Contourlet去噪、Contourlet域HMT去噪和基于抗混叠Contourlet变换的硬阈值去噪,在有效去噪的同时,具有很好的图像边缘和细节保护能力.     

基于图变换和DWT-SVD的鲁棒图像水印算法北大核心CSCD

针对图像水印算法在攻击强度较大时鲁棒性差的问题,提出了一种基于图变换(graph-based transform,GBT)、离散小波变换(discrete wavelet transform,DWT)和奇异值分解(singular value decomposition,SVD)的鲁棒图像水印算法。首先对载体图像进行不重叠分块处理,挑选出像素方差值较高的子块进行DWT得到其低频系数矩阵,然后对低频系数矩阵依次进行GBT和SVD得到奇异值矩阵,最后将水印信息嵌入到奇异值矩阵的最大奇异值中。实验结果表明,Pirate图像结构相似度(structural similarity,SSIM)达到0.97以上时,本文算法能有效抵抗噪声、滤波、JPEG压缩、剪切和交换行列等攻击,归一化互相关系数(normalization coefficient,NC)值均在0.9以上。     

一种基于小波变换的盲水印算法

提出了一种基于小波变换的盲水印算法，根据各个层次相应位置的小波系数排序情况和密钥中{1}元素的位置来决定水印嵌入的位置，在水印提取时根据密钥中{1}的位置可以实现盲水印提取，实验证明具有较好的效果。     

基于复Contourlet域的支持向量机和Krawtchouk矩的双水印算法

为了进一步提高基于支持向量机(SVM)水印算法的 鲁棒性,提出了一种 基于复Contourlet域的SVM和Krawtchouk矩的双水印算法。首先从RGB宿主 图像中提取B 分量和G分量,并且充分利用Krawtchouk矩不变量的平移、旋转、缩放不变性 和Krawtchouk矩良好 的局部重构特性,计算B分量图像的Krawtchouk低阶矩不变量 ,由此构造鲁棒水印;然后对G分量图 像进行两级复Contourlet分解,在其低频分量中,利用SVM建立图像尺度内的 局部相关性训练模型, 并根据预测结果自适应地实现数字水印图像的嵌入和提取。大量实验结果表明,本文算法不 仅具有较好的 不可感知性,而且对中值滤波、加性噪声和JPEG压缩之类的常规图像处理,以及缩放、旋转 和剪切等几 何攻击,均具有较好的鲁棒性能,其性能优于基于小波域的SVM和基于Contourlet域的SVM水 印算法。